Integrasi Convolutional Autoencoder dengan Support Vector Machine untuk Klasifikasi Varietas Almond

Abstrak

Penelitian ini bertujuan mengoptimalkan klasifikasi varietas almond dengan mengintegrasikan Convolutional Autoencoder (CAE) sebagai metode ekstraksi fitur dan Support Vector Machine (SVM) untuk klasifikasi. Tahapan penelitian mencakup pengumpulan data dari dataset yang tersedia, preprocessing, dan pemisahan data untuk pelatihan serta pengujian. Fitur dari gambar almond diekstraksi menggunakan CAE, yang kemudian digunakan dalam model SVM untuk klasifikasi. Evaluasi model menunjukkan akurasi klasifikasi sebesar 97% pada data testing, meningkat signifikan dibandingkan dengan akurasi 48% pada SVM konvensional. Pendekatan CAE-SVM menawarkan representasi fitur yang lebih kompak dan informatif, meningkatkan pengenalan varietas almond secara efektif. Penelitian ini menyoroti potensi penggabungan keunggulan CAE dan SVM dalam meningkatkan analisis citra tanaman, serta mendorong kemajuan lebih lanjut dalam aplikasi machine learning dalam bidang agrikultur.